Summary

משימת החלטה לקסיקלית ללמוד זיהוי מילה בכתב אצל מבוגרים עם ובלי דמנציה או ליקוי קוגניטיבי מתון

Published: June 25, 2019
doi:

Summary

מאמר זה מתאר כיצד ליישם ניסוי פשוט לקסיקלי החלטה להעריך את הכרה במילה כתובה במשתתפים בריאים נוירוולוגית ובאנשים עם דמנציה וירידה קוגניטיבית. אנו מספקים גם תיאור מפורט של ניתוח זמן תגובה באמצעות ניתוח רכיבים עיקריים (PCA) ומידול אפקטים מעורבים.

Abstract

אנשים מבוגרים יותר איטיים בזיהוי אובייקטים חזותיים מאשר בוגרים צעירים. הדבר נכון גם לגבי הכרת העובדה שמחרוזת אות היא מילה אמיתית. אנשים עם מחלת אלצהיימר (AD) או ליקוי קוגניטיבי מתון (MCI) להפגין תגובות עוד יותר בכתב הכרה מילה מאשר שולטת קשישים. למרות הנטייה הכללית כלפי הכרה איטית יותר בהפרעות הזדקנות ונוירוקוגניטיבית, מאפיינים מסוימים של מילים להשפיע על מהירות זיהוי המילה ללא קשר לגיל או נוירופתולוגיה (למשל, תדירות השימוש של המילה). אנו מציגים כאן פרוטוקול לבדיקת ההשפעה של מאפיינים לקסיליתיים על זמני התגובה של מילה בניסוי מילולי פשוט החלטה מנוהל מבוגרים צעירים יותר ואנשים עם MCI או AD. בניסוי זה, המשתתפים מתבקשים להחליט במהירות ובדייקנות ככל האפשר אם מחרוזת מכתב נתונה היא מילה בפועל או לא. כמו כן, נתאר מודלים של אפקטים מעורבים וניתוח רכיבים עיקריים שניתן להשתמש בהם כדי לזהות את ההשפעה של סוגים שונים של משתנים לקסיתיים או מאפיינים בודדים של משתתפים במהירות זיהוי תמלילים.

Introduction

מילים מאוחסנות בלקסיקון המנטלי ברשת המחוברים במיוחד. החיבורים בין מילים עשויים לשקף מאפיינים משותפים, כגון דמיון סמנטי (למשל, כלב וחתול), דמיון בצורה (כלב וערפל), או התרחשות שותפה תכופה בשימוש בשפה המשותפת (למשל, כלב ו רצועה). תיאוריות קוגניטיביות של שפה, כגון תאוריה מבוססת שימוש1, טוענים שכל מפגש של מילה על ידי משתמש בשפה יש השפעה על הייצוג המנטלי של המילה. לפי תורת הסמלים, ייצוג של מילה כולל מספר רב של מונים, הבנויים מאסימונים בודדים של שימוש בשפה והמייצגים את השונות הקיימת עבור קטגוריה נתונה. תדירות השימוש2 השפעות הייצוגים של הזיכרון על ידי תרומה לחוזק של התמונה1.

מהירות זיהוי תמלילים יכולה לחשוף את המאפיינים של הלקסיקון המנטלי. פרדיגמה ניסויית בשימוש נפוץ למדידת המהירות של זיהוי מילים היא משימת ההחלטה לקסיקלית. במשימה זו, המשתתפים מוצגים עם מחרוזות אותיות על גבי צג, אחת בכל פעם. הם מונחים להחליט במהירות האפשרית אם מחרוזת המכתב על המסך היא מילה אמיתית או לא על-ידי לחיצה על הלחצן המתאים.

על-ידי בחינת זמני תגובה למילים אמיתיות, החוקרים יכולים לטפל במספר שאלות חשובות אודות עיבוד השפה. לדוגמה, זיהוי הגורמים הופכים את ההכרה מהר יותר יכול לבחון השערות על מבנה הלקסיקון המנטלי ולחשוף את הארכיטקטורה שלה. יתר על כן, השוואות של ביצועים בין קבוצות שונות של משתתפים יכולים לעזור לנו להבין את ההשפעה של סוגים שונים של ניסיון בשפה, או, במקרה של מחלות הזדקנות או ניווניות (למשל, מחלת אלצהיימר), התפקיד של קוגניטיבית ירידה.

גורמים מסוימים (למשל, תדירות השימוש) מציגים השפעה רבה יותר על הכרה במילה מאשר גורמים אחרים (למשל, אורך המילה). עם ההתקדמות בגיל, הדרך שבה אנשים מזהים מילים כתובות עשויים להשתנות3,4. מבוגרים צעירים נוטים להסתמך בכבדות על היבטים סמנטיים (מבוססי משמעות) של מילה, כגון כמה תרכובות (למשל, בולדוג) או מילים נגזרות (למשל, דוגי) לשתף היבטים של הצורה והן משמעות עם מילת היעד (במקרה זה, כלב). זיהוי תמלילים עבור מבוגרים יותר נראה מושפע יותר על-ידי היבטים מבוססי-טופס, כגון תדירות ששני המכתבים הבאים מתרחשים בשפה (למשל, הצירוף המכתב st מתרחש לעתים קרובות יותר במילים באנגלית מאשר השילוב sk).

כדי לקבוע את הגורמים המשפיעים על מהירות זיהוי המילה על פני קבוצות שונות, החוקר יכול לטפל במשתנים מסוימים בערכת גירוי ולאחר מכן לבדוק את הכוח של משתנים אלה כדי לנבא מהירות זיהוי המילה. לדוגמה, כדי לבדוק אם זיהוי תמלילים מונע על-ידי גורמים סמנטיים או מבוססי-טפסים, על ערכת הגירוי לכלול משתנים המשקפים את מידת הקישוריות של מילה לשכניו הסמנטית בלקסיקון המנטלי או בקישוריות שלה למילים אחרות שחולקים חלק מצורתו.

שיטה זו שימש במחקר הנוכחי כדי לחקור אם מהירות זיהוי המילה מושפע מגורמים שונים בוגרים צעירים יותר ואצל אנשים עם מחלת אלצהיימר (AD) או ליקוי קוגניטיבי מתון (MCI)3. השיטה המתוארת כאן מבוססת על זיהוי מילים חזותיות, אך ניתן להתאים אותה למודאליות השמיעתית. עם זאת, משתנים מסוימים שהם מחזות משמעותיים של זמני תגובה בניסוי מילולי טיפוסי של החלטות ויזואליות, עשויים שלא לחזות השהיות תגובה בהחלטה לקסיקלית שמיעתי או אולי התוצאה ההפוכה. לדוגמה, לשכונה הפונולוגית יש את ההשפעה ההפוכה על שתי שיטות האלה5: מילים עם שכונות פונולוגית גדולה יותר מציגים אפקט ממתקן על זיהוי מילה חזותית אך מעלה השהיות בתגובה ארוכות יותר ב החלטה שמיעתי לקסיקלית6.

קשיים במציאת מילים במבוגרים בוגרים7 יוחסו בדרך כלל לקושי בגישה לצורת המילה הפונולוגית ולא בפירוט של הייצוג הסמנטי8. עם זאת, מחקר המודעה התמקד בעיקר ירידות סמנטי9,10,11,12,13,14. חשוב לשלול כיצד גורמים סמנטיים ואורתוגרפיים משפיעים על ההכרה במילים כתובות בהזדקנות עם ובלי התדרדרות קוגניטיבית. ההשפעה של גורמים הקשורים בצורה מודגשת יותר מאשר אצל מבוגרים צעירים יותר, והוא נשאר משמעותי אצל אנשים עם MCI או AD3. לפיכך, מתודולוגיה זו יכולה לעזור לנו לחשוף תכונות של הלקסיקון המנטלי על פני אוכלוסיות שונות ולזהות שינויים בארגון הלקסיקון עם גיל ונוירופתולוגיה. אחד חשש כאשר בדיקת חולים עם נוירופתולוגיה היא שהם עלולים להיות בקשיים גישה לידע הקשורות למשימות. עם זאת, משימת ההחלטה לקסיקלית היא משימה פשוטה ללא כל נטל על זיכרון עבודה או מיומנויות קוגניטיביות מורכבות אחרות, כי חולים רבים מציגים בעיות עם. הוא נחשב מתאים לאוכלוסיות AD ו-MCI.

Protocol

הפרוטוקול עוקב אחר ההנחיות של ועדת האתיקה של מחוז בית החולים בצפון סאואו (IRB00006251). 1. הקרנת משתתפת גייס מבוגרים צעירים ומבוגרים שיש להם חזון רגיל או מתוקן לנורמלי והם דוברי שפת אם בשפה שנבדקו אלא אם כן המחקר מטפל בשאלות מחקר ספציפיות בנוגע לרכישת שפה שנייה. לקבוצות …

Representative Results

טבלה 1 מציגה רשימה של משתנים שהושגו משלושה מקורות שונים (קורפוס, מילון ובדיקות פיילוט של פריטי בדיקה) הכלולים בניתוח כפרדיטרים בעלי אפקט קבוע. רבים ממשתנים אלה דווחו בעבר כדי להשפיע על מהירות זיהוי המילה. קורפוס</strong…

Discussion

על-ידי שימוש בפעילות שפה פשוטה שאינה דורשת הפקת שפה, המחקר הנוכחי חקר את ההשפעה של משתנים לקסילים שונים על הכרה במילה אצל צעירים בריאים נוירווגית ומבוגרים יותר, כמו גם אצל אנשים עם מחלת אלצהיימר או ליקוי קוגניטיבי מתון. טווח הגילאים המשמש לגיוס “מבוגרים בוגרים” עשוי להיות תלוי באינטרסים המ…

Disclosures

The authors have nothing to disclose.

Acknowledgements

אנו מודים למינה לייטונין, טומו הנסל, מרסי הליליטן, והילאקה סואינטן על תרומתם לאיסוף הנתונים והעיבוד שדווחו כאן. איסוף הנתונים היה נתמך על ידי VPH מחקר דמנציה מופעל על ידי האיחוד האירופי, גרנט הסכם No. 601055.

Materials

E-Prime Psychology Software Tools version 2.0.10.356.
PC with Windows and Keyboard
R R Foundation for Statistical Computing R Core Team (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.

References

  1. Bybee, J. From Usage to Grammar: The Mind’s Response to Repetition. Language. 82 (4), 711-733 (2006).
  2. Oldfield, R. C., Wingfield, A. Response latencies in naming objects. The Quarterly Journal of Experimental Psychology. 17, 273-281 (1965).
  3. Nikolaev, A., et al. Effects of morphological family on word recognition in normal aging, mild cognitive impairment, and Alzheimer’s disease. Cortex. 116, 91-103 (2019).
  4. Milin, P., Feldman, L. B., Ramscar, M., Hendrix, P., Baayen, R. H. Discrimination in lexical decision. PLoS ONE. 12 (2), 1-42 (2017).
  5. Andrews, S. Frequency and neighborhood size effects on lexical access: activation or search?. Journal of Experimental Psychology: Learning, Memory, and Cognition. 15, 802-814 (1989).
  6. Grainger, J., Muneaux, M., Farioli, F., Ziegler, J. C. Effects of phonological and orthographic neighbourhood density interact in visual word recognition. The Quarterly Journal of Experimental Psychology. 58 (6), 981-998 (2005).
  7. Ossher, L., Flegal, K. E., Lustig, C. Everyday memory errors in older adults. Aging, Neuropsychology, and Cognition. 20, 220-242 (2013).
  8. Barresi, B. A., Nicholas, M., Connor, L. T., Obler, L. K., Albert, M. Semantic degradation and lexical access in age-related naming failures. Aging, Neuropsychology, and Cognition. 7, 169-178 (2000).
  9. Chertkow, H., Whatmough, C., Saumier, D., Duong, A. Cognitive neuroscience studies of semantic memory in Alzheimer’s disease. Progress in Brain Research. 169, 393-407 (2008).
  10. Cuetos, F., Arce, N., Martínez, C. Word recognition in Alzheimers’s disease: Effects of semantic degeneration. Journal of Neuropsychology. 11, 26-39 (2015).
  11. Stilwell, B. L., Dow, R. M., Lamers, C., Woods, R. T. Language changes in bilingual individuals with Alzheimer’s disease. International Journal of Language & Communication Disorders. 51, 113-127 (2016).
  12. Obler, L. K., Segalowitz, S. Language and brain dysfunction in dementia. Language functions and brain organization. , 267-282 (1983).
  13. Obler, L. K., Albert, M. L., Sarno, M. T. Language in the elderly aphasic and in the demented patient. Acquired aphasia. , 385-398 (1981).
  14. Obler, L. K., Gjerlow, K. . Language and the brain. , (1999).
  15. McKhann, G. M., et al. The diagnosis of dementia due to Alzheimer’s disease: Recommendations from the National Institute on Aging – Alzheimer’s Association workgroups on diagnostic guidelines for Alzheimer’s disease. Alzheimer’s Dementia. 7, 263-269 (2011).
  16. Winblad, B., et al. Mild cognitive impairment – beyond controversies, towards a consensus: Report of the International Working Group on Mild Cognitive Impairment. Journal of Internal Medicine. 256, 240-246 (2004).
  17. Albert, M. S., et al. The diagnosis of mild cognitive impairment due to Alzheimer’s disease: Recommendations from the National Institute on Aging – Alzheimer’s Association workgroups on diagnostic guidelines for Alzheimer’s disease. Alzheimer’s & Dementia: The Journal of the Alzheimer’s Association. 7, 270-279 (2011).
  18. Hughes, C. P., Berg, L., Danziger, W. L., Coben, L. A., Martin, R. L. A new clinical scale for the staging of dementia. The British Journal of Psychiatry. 140, 566-572 (1982).
  19. Baayen, R. H., Cutler, A. Data Mining at the Intersection of Psychology and Linguistics. Twenty-first century psycholinguistics: Four cornerstones. , 69-83 (2005).
  20. Brants, T., Franz, A. . Web 1T 5-gram, version 1. , (2006).
  21. Baayen, R. H., Piepenbrock, R., Gulikers, L. . The CELEX lexical database (CD-ROM). , (1995).
  22. Wagenmakers, E. J., Ratcliff, R., Gomez, P., McKoon, G. A diffusion model account of criterion shifts in the lexical decision task. Journal of Memory and Language. 58, 140-159 (2008).
  23. Dufau, S., Grainger, J., Ziegler, J. C. How to say “no” to a non-word: a leaky competing accumulator model of lexical decision. Journal of Experimental Psychology: Learning, Memory, and Cognition. 38, 1117-1128 (2012).
  24. R Core Team. . R: A language and environment for statistical computing. , (2018).
  25. Venables, W. N., Ripley, B. D. . Modern applied statistics with S. , (2002).
  26. Baayen, R. H., Milin, P. Analyzing reaction times. International Journal of Psychological Research. 3 (2), 12-28 (2010).
  27. Koller, M. robustlmm: An R package for robust estimation of linear mixed-effects models. Journal of Statistical Software. 75 (6), 1-24 (2016).
  28. Bates, D., Mächler, M., Bolker, B., Walker, S. Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software. 67, 1-48 (2015).
  29. Kuznetsova, A., Brockhoff, P. B., Christensen, R. H. B. lmerTest Package: Tests in Linear Mixed Effects Models. Journal of Statistical Software. 82, 1-26 (2017).
  30. Akaike, H., Petrov, B. N., Csaki, B. F. Information theory and an extension of the maximum likelihood principle. Second International Symposium on Information Theory. , 267-281 (1973).
  31. Sakamoto, Y., Ishiguro, M., Kitagawa, G. . Akaike Information Criterion Statistics. , (1986).
  32. Barr, D. J., Levy, R., Scheepers, C., Tily, H. J. Random effects structure for confirmatory hypothesis testing: Keep it maximal. Journal of Memory and Language. 68, 255-278 (2013).
  33. Bates, D., Kliegl, R., Vasishth, S., Baayen, H. Parsimonious mixed models. arXiv:1506.04967v2. , (2015).
  34. Harrison, X. A., et al. Brief introduction to mixed effects modelling and multi-model inference in ecology. PeerJ. 6, 1-32 (2018).
  35. Kimball, A. E., Shantz, K., Eager, C., Roy, C. E. J. Confronting quasi-separation in logistic mixed effects for linguistic data: a Bayesian approach. Journal of Quantitative Linguistics. , (2018).
  36. Coltheart, M., Davelaar, E., Jonasson, J. T., Besner, D., Dornick, S. Access to the internal lexicon. Attention and performance, vol. VI. , 535-556 (1977).
  37. Caselli, N. K., Caselli, M. K., Cohen-Goldberg, A. M. Inflected words in production: Evidence for a morphologically rich lexicon. The Quarterly Journal of Experimental Psychology. 69, 432-454 (2016).
  38. Yarkoni, T., Balota, D., Yap, M. Moving beyond Coltheart’s N: A new measure of orthographic similarity. Psychonomic Bulletin & Review. 15 (5), 971-979 (2008).
  39. Cohen, G. Recognition and retrieval of proper names: Age differences in the fan effect. European Journal of Cognitive Psychology. 2 (3), 193-204 (1990).
  40. Kemmerer, D. . Cognitive neuroscience of language. , (2015).
  41. Baayen, R. H. . Analyzing linguistic data: A practical introduction to statistics using R. , (2008).
  42. Nikolaev, A., Lehtonen, M., Higby, E., Hyun, J., Ashaie, S. A facilitatory effect of rich stem allomorphy but not inflectional productivity on single-word recognition. Applied Psycholinguistics. 39, 1221-1238 (2018).
  43. Nikolaev, A., et al. Behavioural and ERP effects of paradigm complexity on visual word recognition. Language, Cognition and Neuroscience. 10, 1295-1310 (2014).

Play Video

Cite This Article
Nikolaev, A., Higby, E., Hyun, J., Ashaie, S. Lexical Decision Task for Studying Written Word Recognition in Adults with and without Dementia or Mild Cognitive Impairment. J. Vis. Exp. (148), e59753, doi:10.3791/59753 (2019).

View Video